Quiet Eye Distinguishes Children of High and Low Motor Coordination Abilities
Notice bibliographique
Résumé
PURPOSE: This is the first study to use the quiet eye (QE) as an objective measure of visuomotor control underpinning proficiency differences in children's motor coordination. METHODS: Fifty-seven, year 5 primary school children (9-10 yr old) completed the Movement Assessment Battery for Children, Second Edition (MABC-2), while wearing a gaze registration system. Participants were subsequently divided into one of three ability groups: high motor coordination (HMC), median motor coordination (MMC), and low motor coordination (LMC) based on these MABC-2 scores (mean % rank: HMC = 84%, MMC = 51%, LMC = 19%). QE analyses were performed for the fourth task of the MABC-2, which involved throwing a tennis ball against a wall and catching it on the return. RESULTS: The HMC group was more successful in the catching task than both other groups (catching percentage: HMC = 92%, MMC = 62%, LMC = 35%) and demonstrated superior visuomotor control throughout the throwing and catching phases of the task. Compared with the other groups, the HMC group demonstrated longer targeting QE fixations before the release of the ball (HMC = 500 ms, MMC = 410 ms, LMC = 260 ms) and longer tracking QE durations before catching (HMC = 260 ms, MMC = 200 ms, LMC = 150 ms). There were no significant differences in ball flight time between the groups. Mediation analyses revealed that only the duration of the tracking QE predicted group differences in catching ability. CONCLUSIONS: Findings suggest that the ability to predict and calibrate movements based on sensory feedback may be impaired in children with movement coordination difficulties and have implications for how they are taught fundamental movement skills.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».